@ruixie 您好,由于v100无法使用FlashAttention,所以是不是也没办法在v100上对模型服务进行推理加速呢?
Activity
ruixie commentedon Nov 7, 2023
你好,TGI的推理加速很大部分是依赖FlashAttention的,所以在V100上加速效果确实会受到影响
BruceMa29 commentedon Nov 7, 2023
@ruixie 好的,因为FlashAttention在v100上跑不起来,所以那也就没法进行加速了。原生transformers压测的吞吐量很低